买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：山东科技大学

摘要：本发明属于地学大数据技术领域，提出一种基于机器学习的花岗岩构造环境判别方法，包括如下步骤：S1、对花岗岩中的样本数据进行预处理，并将处理好的数据划分为训练数据集和测试数据集；S2、对上述数据集进行特征分析；S3、构建半监督卷积随机森林模型SCRF；S4、通过特征重要性分析，构建判别图解；S5、综合模型评估，通过训练的模型进行花岗岩构造环境判别。本发明将半监督卷积随机森林方法应用于区分花岗岩构造环境，结合了监督学习和无监督学习的优点，提高了机器学习模型的准确率，并且可以处理大量高维和非线性结构数据，节约试验时间成本，增加数据的综合性和准确性。

主权项：1.一种基于机器学习的花岗岩构造环境判别方法，其特征在于，包括如下步骤：S1、对花岗岩中的样本数据进行预处理，并将处理好的数据划分为训练数据集和测试数据集；S2、对上述数据集进行特征分析；通过如下协方差矩阵进行特征值分解，得到特征值和特征向量，进一步获得PCA的载荷图，明显差异的元素拟作为判别花岗岩构造环境的重要因素； ；其中：是协方差矩阵Σ的第i行第j列的元素，是标准化后数据矩阵Z的第k个样本在第i个变量上的取值，是标准化后数据矩阵Z的第k个样本在第j个变量上的取值，是第i个变量的所有样本值的样本均值，是第j个变量所有样本值的样本均值，为变量的个数；S3、构建半监督卷积随机森林模型SCRF；（1）构建半监督随机森林模型；（2）构建用于从地球化学元素数据中提取特征信息的CNN模型，并通过词嵌入法将将文本数据转换为适合CNN的输入格式；（3）使用训练好的CNN模型提取花岗岩地球化学数据的特征，并生成CNN模型特征；（4）根据CNN模型提取的特征，结合花岗岩样本的标记信息，构建训练集和测试集；（5）在训练集上对半监督随机森林模型进行训练后，通过CNN模型提取地球化学特征并生成预测，并将这些预测结果作为特征输入到半监督随机森林模型中，生成半监督卷积随机森林模型SCRF；S4、通过特征重要性分析，构建判别图解；采用Shapley值进行特征重要性计算，SHAP值对于j特征和样本X的计算公式为： ；其中：表示特征j对于样本X的SHAP值，是模型预测的基准值，是特征的总数，是特征集合中的一个子集合，是模型对样本X在特征集合S上的预测输出，是子集合S的权重，通常为S的特征组合数的倒数，是子集合S的特征数量，代表在特征集合S上对应的输入样本，是在特征集合S的基础上加入特征j，形成的特征子集，是模型对于输入样本X在特征集合S并加入特征j后的预测输出值；S5、综合模型评估，通过训练的模型进行花岗岩构造环境判别。

全文数据：

权利要求：

百度查询： 山东科技大学 基于机器学习的花岗岩构造环境判别方法